Bangun, visualisasikan, dan pelajari proses perhitungan neural network dan deep learning secara interaktif.
Tambah, hapus, dan ubah layer secara interaktif. Lihat visualisasi real-time.
Lihat detail setiap langkah forward propagation dengan perhitungan matematika.
Backpropagation adalah algoritma untuk menghitung gradient (turunan) dari loss function terhadap setiap weight dan bias dalam network.
Langkah-langkah:
Coba Training Playground untuk melihat backpropagation beraksi!
Bandingkan berbagai fungsi aktivasi yang digunakan dalam neural network.
Pilih dataset, atur parameter, dan lihat bagaimana network belajar.
Memahami konsep dasar neural network dan deep learning.
Unit dasar neural network. Setiap neuron menerima input, mengalikan dengan weight, menambahkan bias, dan mengaplikasikan fungsi aktivasi: output = f(Σ(wi × xi) + b)
Proses menghitung output dari input melalui setiap layer. Data mengalir dari input layer → hidden layers → output layer secara berurutan.
Mengukur seberapa jauh prediksi network dari target. MSE = ½Σ(target - output)². Tujuan training: meminimalkan loss.
Algoritma untuk menghitung gradient loss terhadap setiap parameter menggunakan chain rule. Gradient mengalir mundur dari output ke input.
Algoritma optimasi yang mengupdate weight berdasarkan gradient: w_new = w_old - learning_rate × gradient. Learning rate mengontrol ukuran langkah update.
Neural network dengan banyak hidden layer. Semakin dalam network, semakin kompleks fitur yang dapat dipelajari — dari garis sederhana hingga pola abstrak.